NVIDIA NeMo 2.7.0发布：新增流式语音翻译与逐流短语增强，未来版本将专注语音任务
NVIDIA发布NeMo 2.7.0，新增逐流短语增强（Per-Stream Phrase Boosting）和流式语音翻译支持，并发布了两款新模型；同时宣布 2.8.0 起移除LLM、NLP等集合，仓库将只保留语音相关任务。
AI解读：NVIDIA的NeMo框架正从通用大模型工具收窄为纯语音工具包。这次 2.7.0 发布带来两个直接推动点：一是流式语音翻译，让模型在说话人还在讲的时候就开始输出译文，适合实时字幕和跨语言通话；二是逐流短语增强，在转写时给特定短语（如品牌名、人名）加权，解决流式识别里专有名词容易被读错的问题。对开发者来说，真正要留意的是 2.8.0 的破坏性变更——LLM、NLP、视觉这些集合会被移除，如果现有项目依赖这些模块，升级前需要先评估迁移或锁定旧版本。此外，新发布的nemotron-speech-streaming-en-0.6b和magpie_tts_multilingual_357m分别针对英文实时识别和多语种语音合成，前者适合低延迟场景，后者支持印地语等新增语言。普通用户目前无需行动；使用NeMo语音API的开发者可以结合这些功能改进识别准确率和交互体验，但迁移工作应等 2.8.0 路线图明确后再做。
NVIDIA于 2 月 5 日发布NeMo 2.7.0（版本号r2.7.0）。更新重点集中在语音领域，包括新增逐流短语增强（Per-Stream Phrase Boosting）和流式语音翻译支持，并发布两款新模型。此外，官方在发布说明中预告，从下一个版本 2.8.0 开始，仓库将移除avlm、diffusion、llm、multimodal、nlp等集合，仅保留语音任务。
新增功能与新模型
2.7.0 在ASR解码（Transducers）中加入了逐流短语增强（Per-Stream Phrase Boosting），允许在流式识别时对特定短语进行加权，以提升准确率。同时，框架新增了对流式语音翻译（Streaming Speech Translation）的支持，相关PR链接包含在发布说明中。
此版本还发布了两款模型：nemotron-speech-streaming-en-0.6b，用于英文流式ASR；以及magpie_tts_multilingual_357m，用于多语种语音合成（TTS）。后者在更新中新增了印地语（hi-IN）支持，并改进了日语g2p片假名重音处理。
仓库范围调整：NeMo 2.8.0起将仅保留语音任务
发布说明明确指出，从NeMo 2.8.0开始将移除以下集合：avlm、diffusion、llm、multimodal、multimodal-autoregressive、nlp、speechlm、vision和vlm。该仓库将专注于语音相关任务：ASR、TTS、说话人分离（speaker diarization）和语音增强（speech enhancement）。这一调整可能影响依赖旧版NeMo中LLM、NLP或视觉功能的现有项目，但具体迁移路径尚未发布。